7月27日,WAIC世界人工智能大会上,跨维智能进行了全新一代人形机器人 DexForce W1 Pro 的线下发布会,作为 W1 的迭代升级款,其在机器人本体软硬件算法与开发工具链上实现全方位革新,面向各个行业的用户提供丰富的硬件配置选择与 EmbodiChain 具身智能开发平台。
DexForce W1 Pro 将强大的机器人硬件,与原生智能核心(X-Wiz),开放的具身智能开发平台(EmbodiChain)无缝融合,致力于在真实世界中执行高精度、高可靠性的复杂任务。
落地驱动:价值需求牵引,具身操作赋能多样场景
不同于停留在“实验室环境”的基于舵机方案的实验用机器人,或是主要服务于“情绪价值”的基于准直驱方案的展示用机器人,一个能创造真实价值的精巧操作型机器人,必须在核心零部件、机身构型、电路设计及控制算法上实现深度耦合,从而达到产品级的高稳定性、高精度、高柔性与长时运行能力。
DexForce W1 Pro 正是为践行此理念而生。它融合了 X-Wiz 提供的模块化多层次开发接口,并借助 EmbodiChain 赋予的强大数据扩增与生成能力,能够在真实场景的作业需求牵引下,自主完成高精度、高稳定性的机器人任务。其主要技术特点如下:
基于 DexForce W1 Pro 这一强大的硬件平台,开发者无论使用合成数据还是真实数据,都能拥有“产品级”的机器人技能。这些高级技能已准备好在以下多样化场景中充分释放价值,其核心落地优势体现在:
双版本配置:聚焦核心需求,适配多元场景
本次预售的 DexForce W1 Pro 版本延续 “模块化架构” 理念的同时,为方便不同需求开发者,跨维也推出无底盘功能的 DexForce W1 Core 版本,两者核心差异在于底盘配置,而腿部以上的感知系统、执行系统、控制核心与软件平台完全一致:
硬核焕新:从感知精度到运动性能的全方位跃升
DexForce W1 Pro 的硬件革新围绕着“为落地真实场景”而打造,在视觉感知与机械运动层面均实现突破性的提升。
“毫厘可见”:全新自研纯视觉双目系统,感知能力质的飞跃
头部集成的自研纯视觉双目仿人传感器迎来全面升级:帧率从初代的 15Hz 提升至 60Hz,提升了四倍。通过优化光学模组与标定算法,双目标定误差控制在 ±0.05 像素以内,立体匹配精度达亚像素级( ≤0.1 像素),较初代提升 40%;可实时输出稠密点云与深度图,对物体三维轮廓的还原误差 ≤1mm,较初代提升 25%。双目拍照同步性能 20us 以内,工业级同步水准。整体功率降低为初代的三分之一,高温状态下的稳定性能得到进一步提升。视场角进一步优化至水平 90°、垂直 60° 的仿人视野范围。
配合腕部近距离操作相机(FOV 87° × 58°,工作距离 7-50cm)与底盘前后深度相机(工作距离0.2-2.5m ),构建全域感知网络,为纯视觉抓取、动态场景理解等任务提供高精度数据输入。
“稳控微毫”:双臂运动性能迭代,可达性与操作精度双提升
基于初代 7 自由度机械臂架构,新一代 W1 Pro 通过基于 AI 的 Co-design 优化运动学模型及机械构型参数,将双臂工作空间及可达性扩展 75%,实现更复杂的交叉操作与狭小空间避障。结合视觉系统,重复定位精度提升至 ≤0.5mm,机械手可选配 6 自由度灵巧手和二指夹爪,按需选配,轻松应对工业和商用等场景。
机器人在长时间运行后“手”和“眼”的相对位置会发生极其微小的改变,但是这种改变会极大地影响高精度任务的执行。为此,W1 Pro 引入“自动手眼标定”功能,时刻感知自己的状态,并在需要调整的时候快速自主的完成“手眼标定”,为持续的高精度任务保驾护航。
软件升维:推出 EmbodiChain 具身平台,建设开发者友好型生态
新一代 W1 Pro 的软件能力完成了革命性升级:首次重磅推出开源具身智能开发平台——EmbodiChain,一个专为解决具身智能模型训练数据稀缺问题而生的强大工具集。依托跨维 DexVerse™ 统一技术底座的强力驱动,EmbodiChain 以领先的数据生成与仿真引擎,将“昂贵、低效”的真实数据采集升级为“低成本、大规模、可扩展”的机器人双臂操作技能数据管线,支持离线与在线两种数据模式。
这一创新性的“引擎驱动”范式不再是静态数据集,而是构筑起面向 AGI 的持续飞轮。这套前瞻性蓝图的核心理念与部分代码实现,将逐步在我们最新推出的开源具身智能开发平台 EmbodiChain 中落地,向所有开发者开放。
核心亮点:开源具身智能开发平台 EmbodiChain
同时,由 EmbodiChain 所训练产出的 VLA 模型可以无缝接入到 W1 的软件生态中(X-Wiz),确保了开发者在进行顶层创新时,可以简单快速地在真机上验证算法效果。
WAIC 现场互动体验,共同迈向通用物理世界智能
DexForce W1 Pro 的发布,标志着跨维智能在 “硬件性能 + 软件生态” 双轮驱动的技术路线上迈出关键一步。从敏锐的动态视觉捕捉到精准的实时轨迹控制,从对物理世界的高保真数字还原到模型训练的效率跃升,我们正在构建一套能够落地于真实世界的具身智能开发范式。
展望未来,我们将聚焦于三大方向的持续迭代:进一步增强 W1 在各种环境下的感知鲁棒性;提升 EmbodiChain 平台的在线数据生成及训练模型的效率;不断拓展 W1 的技能和落地场景。我们相信,当硬件性能与软件效率形成合力,具身智能的边界将被不断拓宽。
目前,DexForce W1 Pro 版与 Core 版已同步开启预售,我们诚邀您莅临WAIC H3馆B124展台现场体验。跨维智能期待与所有生态伙伴一同探索具身智能的下一个技术奇点,向着通用物理世界智能的目标稳步迈进。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。